Cvičení 12: Binární logistická regrese
|
|
|
- Milada Tesařová
- před 7 lety
- Počet zobrazení:
Transkript
1 Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena, 1 muž), občanství (1 ČR, 2 SR), studijní průměr za celou dobu studia, typ absolvované střední školy (1 gymnázium, 2 střední průmyslová škola či obchodní akademie, 3 ostatní typy středních škol s maturitou) a úspěch u SZZ (1 uspěl, 2 neuspěl). 1. Vytvořte četnostní tabulky a nakreslete vhodné grafy pro kategoriální proměnné pohlaví, občanství, typ_sš, úspěch. Kategorie žena muž Tabulka četností: (SZZ.sta) Kumulativní Rel.četnost Kumulativní četnost rel.četnost , , , ,0000 Kategorie Česká republika Slovensko Tabulka četností: (SZZ.sta) Kumulativní Rel.četnost Kumulativní četnost rel.četnost , , , ,0000 Kategorie gymnázium SPŠ+OA ostatní Tabulka četností: (SZZ.sta) Kumulativní Rel.četnost Kumulativní četnost rel.četnost , , , , , ,0000 Kategorie uspěl neuspěl Tabulka četností:uspech (SZZ.sta) Kumulativní Rel.četnost Kumulativní četnost rel.četnost , , , ,0000
2 Výsečový graf z SZZ.sta 5v*167c žena; 46% muž; 54% Výsečový graf z SZZ.sta 5v*167c Slovensko; 19% Česká republika; 81%
3 Výsečový graf z SZZ.sta 5v*167c ostatní; 10% SPŠ+OA; 8% gymnázium; 83% Výsečový graf z uspech SZZ.sta 5v*167c uspěl; 47% neuspěl; 53% uspech
4 2. Vypočtěte číselné charakteristiky proměnné průměr. A to pro celý soubor a pak pro studenty roztříděné podle pohlaví, občanství, typu SŠ a úspěchu u SZZ. Výpočty doplňte krabicovými diagramy. Vždy na hladině významnosti 0,05 testujte hypotézu, že střední hodnoty (resp. mediány) studijního průměru jsou stejné v různých skupinách studentů. Ověřte normalitu proměnné průměr v daných skupinách studentů. Výpočty doplňte krabicovými diagramy. Výsledky pro všechny studenty: 167 2, , , , , Výsledky pro ženy: Zhrnout podmínku: v1=0 76 2, , , , , Výsledky pro muže: Zhrnout podmínku: v1=1 91 2, , , , , Výsledky pro občany ČR: Zhrnout podmínku: v2= , , , , , Výsledky pro občany SR: Zhrnout podmínku: v2=2 31 2, , , , , Výsledky pro absolventy gymnázií: Zhrnout podmínku: v4= , , , , , Výsledky pro absolventy středních průmyslových škol či obchodních akademií: Zhrnout podmínku: v4=2 13 2, , , , , Výsledky pro absolventy jiných typů středních škol:
5 Zhrnout podmínku: v4=3 16 3, , , , , Upozornění: Normalita proměnné průměr je ve většině případů porušena závažnějším způsobem, proto použijeme neparametrické testy. Výsledky dvouvýběrového Wilcoxonova testu pro muže a ženy: Mann-Whitneyův U Test (w/ oprava na spojitost) (SZZ.sta) Dle proměn. Proměnná Označené testy jsou významné na hladině p <,05000 Sčt poř. Sčt poř. U Z p-hodn. Z žena muž upravené p-hodn. N platn. žena N platn. muž 6273, , ,500-0, , , , Na hladině významnosti 0,05 se neprokázal rozdíl v průměrném prospěchu mezi muži a ženami. 4,5 Krabicový graf dle skupin Proměnná: 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 žena muž Výsledky dvouvýběrového Wilcoxonova testu pro Čechy a Slováky: Mann-Whitneyův U Test (w/ oprava na spojitost) (SZZ.sta) Dle proměn. Proměnná Označené testy jsou významné na hladině p <,05000 Sčt poř. Sčt poř. U Z p-hodn. Z Česká republika Slovensko upravené p-hodn. N platn. Česká republika N platn. Slovensko Medián 25%-75% Min-Max 2*1str. přesné p 12320, , ,500 3, , , , , Na hladině významnosti 0,05 se prokázal rozdíl v průměrném prospěchu mezi Čechy a Slováky.
6 4,5 Krabicový graf dle skupin Proměnná: 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 Česká republika Slovensko Medián 25%-75% Min-Max Výsledky Kruskalova Wallisova testu pro absolventy různých typů středních škol: Kruskal-Wallisova ANOVA založ. na poř.; (SZZ.sta) Nezávislá (grupovací) proměnná : Závislá: gymnázium SPŠ+OA ostatní Kruskal-Wallisův test: H ( 2, N= 167) =8, p =,0123 Kód Počet Součet Prům. platných pořadí Pořadí ,50 79, ,00 85, ,50 117,7188 Na hladině významnosti 0,05 se prokázal rozdíl v průměrném prospěchu mezi absolventy různých typů středních škol.
7 4,5 Krabicový graf dle skupin Proměnná: 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 gymnázium SPŠ+OA ostatní Výsledky metody mnohonásobného porovnávání: Vícenásobné porovnání p hodnot (oboustr.); (SZZ.sta) Nezávislá (grupovací) proměnná : Závislá: gymnázium SPŠ+OA ostatní Kruskal-Wallisův test: H ( 2, N= 167) =8, p =,0123 gymnázium SPŠ+OA ostatní R:79,953 R:85,462 R:117,72 1, , , , , , Medián 25%-75% Min-Max Na hladině významnosti 0,05 se prokázal rozdíl v průměrném prospěchu absolventů gymnázií a absolventů středních škol odlišných od středních průmyslových škol a obchodních akademií. Výsledky dvouvýběrového Wilcoxonova testu pro úspěšné a neúspěšné studenty: Mann-Whitneyův U Test (w/ oprava na spojitost) (SZZ.sta) Dle proměn. uspech Proměnná Označené testy jsou významné na hladině p <,05000 Sčt poř. Sčt poř. U Z p-hodn. Z uspěl neuspěl upravené p-hodn. N platn. uspěl N platn. neuspěl 3396, ,00 315, ,1219 0, ,1414 0, Na hladině významnosti 0,05 se prokázal rozdíl v průměrném prospěchu mezi úspěšnými a neúspěšnými studenty.
8 4,5 Krabicový graf dle skupin Proměnná: 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 uspěl uspech neuspěl Medián 25%-75% Min-Max 3. Vytvořte kontingenční tabulky absolutních četností a sloupcově podmíněných relativních četností dvojic kategoriálních proměnných (úspěch, pohlaví), (úspěch, občanství), (úspěch, typ SŠ) a na hladině významnosti 0,05 testujte hypotézu o nezávislosti úspěchu na příslušné kategoriální proměnné. Nezapomeňte ověřovat splnění podmínek dobré aproximace pro Pearsonův chí- kvadrát test nezávislosti. Výsledky pro pohlaví: Kontingenční tabulka (SZZ.sta) Sloupc. četn. Sloupc. četn. Tab. : uspech žena muž Řádk. součty uspěl ,26% 39,56% neuspěl ,74% 60,44% Vš.skup Souhrnná tab.: Očekávané četnosti (SZZ.sta) Pearsonův chí-kv. : 4,10239, sv=1, p=, uspech žena muž Řádk. součty uspěl 35, , ,0000 neuspěl 40, , ,0000 Vš.skup. 76, , ,0000 Na hladině významnosti 0,05 zamítáme hypotézu, že úspěch a pohlaví jsou nezávislé veličiny.
9 Výsledky pro občanství: Kontingenční tabulka (SZZ.sta) Sloupc. četn. Sloupc. četn. Tab. : uspech Česká republika Slovensko Řádk. součty uspěl ,44% 74,19% neuspěl ,56% 25,81% Vš.skup Souhrnná tab.: Očekávané četnosti (SZZ.sta) Pearsonův chí-kv. : 11,5542, sv=1, p=, uspech Česká republika Slovensko Řádk. součty uspěl 63, , ,0000 neuspěl 72, , ,0000 Vš.skup. 136, , ,0000 Na hladině významnosti 0,05 zamítáme hypotézu, že úspěch a občanství jsou nezávislé veličiny. Výsledky pro typ střední školy: Kontingenční tabulka (SZZ.sta) Sloupc. četn. Sloupc. četn. Tab. : uspech gymnázium SPŠ+OA ostatní Řádk. součty uspěl ,72% 38,46% 18,75% neuspěl ,28% 61,54% 81,25% Vš.skup Souhrnná tab.: Očekávané četnosti (SZZ.sta) Pearsonův chí-kv. : 6,27396, sv=2, p=, uspech gymnázium SPŠ+OA ostatní Řádk. součty uspěl 64,4551 6, , ,0000 neuspěl 73,5449 6, , ,0000 Vš.skup. 138, , , ,0000 Na hladině významnosti 0,05 zamítáme hypotézu, že úspěch a typ střední školy jsou nezávislé veličiny. 4. Vytvořte model binární logistické regrese, který umožní predikovat pravděpodobnost úspěchu u státní závěrečné zkoušky bakalářského studia. Vzhledem k tomu, že jednorozměrné analýzy prokázaly závislost úspěchu na studijním průměru, pohlaví, občanství a typu absolvované střední školy, zahrňte nejprve do modelu všechny sledované nezávisle proměnné veličiny. Přitom u kategoriálních proměnných použijte kódování pomocí referenční kategorie. a) Odhadněte regresní parametry a podíly šancí. Na hladině významnosti 0,05 proveďte dílčí testy významnosti regresních parametrů a celkový test významnosti.
10 Tabulky odhadů parametrů a odhadů podílů šancí společně s dílčími testy významnosti: uspech - Odhady parametrů (SZZ.sta) Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Abs.člen Měřítko Modelovaná pravděpodobnost, že uspech = uspěl Úroveň Sloupec Odhad Standard Wald. Dolní LS Horní LS p chyba Stat. 95,0% 95,0% 1 11, , , , , , , , , , , , žena 3 1, , , , , , Česká republika 4-0, , , , , , gymnázium 5 0, , , , , , SPŠ+OA 6 0, , , , , , , , , ,00000 Abs.člen Měřítko uspech - Poměry šancí (SZZ.sta) Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Modelovaná pravděpodobnost, že uspech = uspěl Úroveň Sloupec Šance Poměr Dolní LS 95,0% Horní LS 95,0% 1 2 0, , , , žena 3 5, , , , Česká republika 4 0, , , , gymnázium 5 1, , , , SPŠ+OA 6 1, , , , , p Výsledek celkového testu významnosti: Testování glonální nulové hypotézy: BETA=0 (SZZ.sta) Poměr věrohodnos Skóre Wald. Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Modelovaná pravděpodobnost, žeuspech = uspěl Chí-kvadrát SV p 147, , , , , , (Vzorek pro analýzu) Na hladině významnosti 0,05 zamítáme hypotézu, že dostačující je model konstanty. Významné jsou však jen proměnné průměr a pohlaví, občanství a typ střední školy nikoliv. Sestavíme nový model s nezávisle proměnnými průměr a pohlaví: uspech - Odhady parametrů (SZZ.sta) Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Abs.člen Měřítko Modelovaná pravděpodobnost, že uspech = uspěl Úroveň Sloupec Odhad Standard Wald. Dolní LS Horní LS p chyba Stat. 95,0% 95,0% 1 12, , , , , , , , , , , , žena 3 1, , , , , , , , , ,00000 V modelu se dvěma nezávisle proměnnými průměr a pohlaví jsou obě proměnné významné na hladině významnosti 0,05.
11 Pravděpodobnost, že student uspěje u SZZ, je vyjádřena rovnicí 1 P uspech = 1/ = x1 = x 2 = 12, ,4816 x 1+ e ( ) 1 1,5903 x 2 Abs.člen Měřítko uspech - Poměry šancí (SZZ.sta) Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Modelovaná pravděpodobnost, že uspech = uspěl Úroveň Sloupec Šance Poměr Dolní LS 95,0% Horní LS 95,0% 1 2 0, , , , žena 3 4, , , , , p Zvýší-li se studijní průměr o 1, má student 0,01x menší šanci na úspěch. Je-li student žena, má 4,9x větší šanci na úspěch než muž. c) Proveďte hodnocení kvality modelu. Nagelkerkův koeficient a Pearsonův chí-kvadrát test dobré shody: uspech - Statistiky kvality modelu (SZZ.sta) Rozdělení : BINOMICKÉ, Linkující funkce: LOGIT Odchylka Deviance v měřít Pearsonovo Chi2 Scaled P. Chi2 AIC BIC Cox-Snell R2 Nagelkerke R2 Log-věrohodnost Modelovaná pravděpodobnost, žeuspech = uspěl SV Stat. Stat/sv , , , , , , , , , , , , , (Vzorek pro analýzu) Nagelkerkův koeficient je 0,78, což svědčí o dobré kvalitě modelu. Pearsonův chí-kvadrát test dobré shody má testovou statistiku 99,8177, kritický obor W = χ 2 0, , = 194,8825;, tedy naše data jsou v souladu s modelem. je ( ) ) ) Klasifikační tabulka: Pozorované: uspěl Pozorované: neuspěl Klasifikace případů (SZZ.sta) Odds ratio: 60, Log odds ratio: 4, Předpovězená: uspěl Předpovězená: neuspěl Procento správných , , Model správně zařadil 88,5 % úspěšných studentů a 88,8% neúspěšných studentů.
12 ROC křivka: 1,2 ROC křivka Oblast: ,0 0,8 Citlivost 0,6 0,4 0,2 0,0-0,2-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1-Specificita Naše ROC křivka se blíží ideální ROC křivce. Plocha pod ní je 0,95.
Vzorová prezentace do předmětu Statistika
Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota
Cvičení 9: Neparametrické úlohy o mediánech
Cvičení 9: Neparametrické úlohy o mediánech Úkol 1.: Párový znaménkový test a párový Wilcoxonův test Při zjišťování kvality jedné složky půdy se používají dvě metody označené A a B. Výsledky: Vzorek 1
5. Závislost dvou náhodných veličin různých typů (kategoriální a metrická veličina)
5. Závislost dvou náhodných veličin různých typů (kategoriální a metrická veličina) Cílem tématu je správné posouzení a výběr vhodného testu v závislosti na povaze metrické a kategoriální veličiny. V následující
Jednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu)
Jednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu) Frank Wilcoxon (1892 1965): Americký statistik a chemik Nechť X 1,..., X n je náhodný výběr ze
ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz PŘEHLED TESTŮ rozdělení normální spojité alternativní / diskrétní
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech
Jana Vránová, 3. lékařská fakulta, UK Praha
Jana Vránová, 3. lékařská fakulta, UK Praha Byla navržena v 60tých letech jako alternativa k metodě nejmenších čtverců pro případ, že vysvětlovaná proměnná je binární Byla především používaná v medicíně
UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
Pracovní adresář. Nápověda. Instalování a načtení nového balíčku. Importování datového souboru. Práce s datovým souborem
Pracovní adresář getwd() # výpis pracovního adresáře setwd("c:/moje/pracovni") # nastavení pracovního adresáře setwd("c:\\moje\\pracovni") # nastavení pracovního adresáře Nápověda?funkce # nápověda pro
STATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 3 Jak a kdy použít parametrické a
Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
INDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily
Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné
ANALÝZA DAT V R 5. ZÁKLADNÍ STATISTICKÉ TESTY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 5. ZÁKLADNÍ STATISTICKÉ TESTY Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz PRINCIPY STATISTICKÉ INFERENCE identifikace závisle proměnné
Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)
VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.
Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní
Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
Lineární a logistická regrese
Lineární a logistická regrese Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní prostředky finanční a pojistné matematiky
KONTINGENČNÍ TABULKY Komentované řešení pomocí programu Statistica
KONTINGENČNÍ TABULKY Komentované řešení pomocí programu Statistica Vstupní data transformace před vložením Než data vložíme do tabulky ve Statistice, musíme si je předpřipravit. Označme si P Prahu, S Šumperk
Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky
Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
Návod na vypracování semestrálního projektu
Návod na vypracování semestrálního projektu Následující dokument má charakter doporučení. Není závazný, je pouze návodem pro studenty, kteří si nejsou jisti výběrem dat, volbou metod a formou zpracování
KORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
Pravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.
Neparametricke testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
Úkol 1.: Testování nezávislosti nominálních veličin V roce 1950 zkoumali Yule a Kendall barvu očí a vlasů u 6800 mužů.
Téma 10: Analýza závislosti dvou nominálních veličin Úkol 1.: Testování nezávislosti nominálních veličin V roce 1950 zkoumali Yule a Kendall barvu očí a vlasů u 6800 mužů. barva očí barva vlasů světlá
Jednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
TESTOVÁNÍ KVALITATIVNÍCH ZNAKŮ V PROGRAMU
TESTOVÁNÍ KVALITATIVNÍCH ZNAKŮ V PROGRAMU Copyright StatSoft CR s.r.o. 2014 Dell Information Management Group, Dell Software Ringhofferova 115/1 155 21 Praha 5 Zličín tel.: +420 233 325 006 fax: +420 233
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
ADDS cviceni. Pavlina Kuranova
ADDS cviceni Pavlina Kuranova Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých pozorování (oba výběry spojeny do jednoho celku)
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup
Statistika Testování hypotéz statistická indukce Neparametrické testy Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by
Semestrální projekt spočívá v nalezení vhodného datového souboru a jeho statistické analýze s využitím metod probíraných v rámci předmětu.
Semestrální projekt Semestrální projekt spočívá v nalezení vhodného datového souboru a jeho statistické analýze s využitím metod probíraných v rámci předmětu Data Data lze využít vlastní (laboratorní měření,
Úvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
Kontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13
Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test
MÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
Statistika, Biostatistika pro kombinované studium. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2014/2015 Tutoriál č. 6: ANOVA Jan Kracík jan.kracik@vsb.cz Obsah: Testování hypotéz opakování ANOVA Testování hypotéz (opakování) Testování
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 4 Jak a kdy použít parametrické a
Testy. Pavel Provinský. 19. listopadu 2013
Testy Pavel Provinský 19. listopadu 2013 Test a intervalový odhad Testy a intervalové odhady - jsou vlastně to samé. Jiný je jen úhel pohledu. Lze přecházet od jednoho k druhému. Například: Při odvozování
letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 Opakování t- vs. neparametrické Wilcoxonův jednovýběrový test Opakování
Řešení: máme diskrétní N.V. vzdělání bez maturity, s maturitou, vysokoškoláci, PhD.
Cvičení 13 Opakování 1 Příklad χ 2 test dobré shody Průzkumem bylo zjištěno, že v roce 2005 bylo ve městě 18% lidí bez maturity, 56% s maturitou, 22% absolventů vysokoškolského studia, zbytek tvořili absolventi
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 1
PRAVDĚPODOBNOST A STATISTIKA Neparametrické testy hypotéz čast 1 Neparametrické testy hypotéz - úvod Neparametrické testy statistických hypotéz se používají v případech, kdy neznáme rozdělení pozorované
PSY117/454 Statistická analýza dat v psychologii Přednáška 10
PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot
Korelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
Plánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
Zápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Kontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
STATISTICKÉ PROGRAMY
Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné STATISTICKÉ PROGRAMY VYUŽITÍ EXCELU A SPSS PRO VĚDECKO-VÝZKUMNOU ČINNOST Elena Mielcová, Radmila Stoklasová a Jaroslav Ramík Karviná
1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
VYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová
VYBRANÉ DVOUVÝBĚROVÉ TESTY Martina Litschmannová Obsah přednášky Vybrané dvouvýběrové testy par. hypotéz test o shodě rozptylů (F-test), testy o shodě středních hodnot (t-test, Aspinové-Welchův test),
4ST201 STATISTIKA CVIČENÍ Č. 7
4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické
Korelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
Sever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty
Neparametrické testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
Příklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
VŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:
Úvod do analýzy rozptylu
Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme
STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci
Zpracování dat v edukačních vědách - Testování hypotéz Kamila Fačevicová Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci Obsah seminářů 5.11. Úvod do matematické
PSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz
PSY117/454 Statistická analýza dat v psychologii seminář 9 Statistické testování hypotéz Základní výzkumné otázky/hypotézy 1. Stanovení hodnoty parametru =stanovení intervalu spolehlivosti na μ, σ, ρ,
Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
TECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Počet stran: 10 Datum odevzdání: 13. 5. 2016 Pavel Kubát Obsah Úvod... 3 1 Charakterizujte
Technická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
Statistické metody uţívané při ověřování platnosti hypotéz
Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy
TECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016
Testy dobré shody Máme dvě veličiny, u kterých bychom chtěli prokázat závislost, TESTY DOBRÉ SHODY (angl. goodness-of-fit tests)
Testy dobré shody Máme dvě veličiny, u kterých bychom chtěli prokázat závislost, např. hmotnost a pohlaví narozených dětí. Běžný statistický postup pro ověření závislosti dvou veličin je zamítnutí jejich
NEPARAMETRICKÉ TESTY
NEPARAMETRICKÉ TESTY Neparametrický jednovýběrový Jeden výběr jehož medián srovnáváme s nějakou hodnotou Wilcoxonův jednovýběrový test 1) Máme data z družice Hipparcos pro deklinaci (obdoba zeměpisné šířky)
Fisherův exaktní test
Katedra pravděpodobnosti a matematické statistiky Karel Kozmík Fisherův exaktní test 4. prosince 2017 Motivace Máme kontingenční tabulku 2x2 a předpokládáme, že četnosti vznikly z pozorování s multinomickým
Cvičící Kuba Kubina Kubinčák Body u závěrečného testu
1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.
Jana Vránová, 3. lékařská fakulta UK
Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace
Stav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Testy hypotéz na základě více než 2 výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testy hypotéz na základě více než 2 výběrů Na analýzu rozptylu lze pohlížet v podstatě
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 8. Analýza rozptylu Mgr. David Fiedor 13. dubna 2015 Motivace dosud - maximálně dva výběry (jednovýběrové a dvouvýběrové testy) Příklad Na dané hladině významnosti α = 0,05
A 4 9 18 24 26 B 1 5 10 11 16 C 2 3 8 13 15 17 19 22 23 25 D 6 7 12 14 20 21
Příklad 1 Soutěž o nelepší akost výrobků obeslali čtyři výrobci A, B, C, D celkem 26 výrobky. Porota sestavila toto pořadí (uveden pouze původ výrobku od nelepšího k nehoršímu): Pořadí 1 2 3 4 5 6 7 8
Cvičení z biostatistiky 06
Cvičení z biostatistiky 06 Poslední úprava dokumentu: 16. března 2017. Opakování na větším datovém souboru 1 Úvod Datový soubor Kojeni.csv obsahuje údaje (hodnoty oddělené středníky) o 99 matkách a jejich
11. cvičení z PSI prosince hodnota pozorovaná četnost n i p X (i) = q i (1 q), i N 0.
11 cvičení z PSI 12-16 prosince 2016 111 (Test dobré shody - geometrické rozdělení Realizací náhodné veličiny X jsme dostali následující četnosti výsledků: hodnota 0 1 2 3 4 5 6 pozorovaná četnost 29 15
Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina
Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně
2 ) 4, Φ 1 (1 0,005)
Příklad 1 Ze zásilky velkého rozsahu byl náhodně vybrán soubor obsahující 1000 kusů. V tomto souboru bylo zjištěno 26 kusů nekvalitních. Rozhodněte, zda je možné s 99% jistotou tvrdit, že zásilka obsahuje
Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )
Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11
Příklad 1 Vyhláška Ministerstva zdravotnictví předpokládala, že doba dojezdu k pacientovi od nahlášení požadavku nepřekročí 17 minut. Hodnoty deseti náhodně vybraných dob příjezdu sanitky k nemocnému byly:
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení ze 4ST201. Na případné faktické chyby v této prezentaci mě prosím upozorněte. Děkuji Tyto slidy berte pouze jako doplňkový materiál není v nich obsaženo
Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy
Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy Relativní riziko a poměr šancí Princip korelace dvou náhodných veličin Korelační koeficienty Pearsonůva Spearmanův Korelace a kauzalita
3 ANALÝZA ROZPTYLU ANOVA
3 Analýza rozptlu ANOVA 3 ANALÝZA ROZPTYLU ANOVA RYCHLÝ NÁHLED KAPITOLY Analýza rozptlu je statistickým nástrojem, který nám umožňuje zkoumat závislost kvantitativního znaku na kvalitativním znaku. Základní